基于模拟退火算法的无人机联合配送路径优化模型.docxVIP

基于模拟退火算法的无人机联合配送路径优化模型 0 基于双向异性的联合配送模型 近年来，电子商务蓬勃发展。在一些特殊地区，如农村地区和山地城市地区，由于地形复杂，交通条件差，物流往往受到山川的影响。民用无人机的兴起，为此类问题提供了新的解决方案 由于无人机和车辆各自配送存在诸多限制，两者的结合，需要互相协作，这有别于有容量限制车辆路径问题CVRP(Capacitated Vehicle Routing Problem)和多车型车辆路径问题MTVRP(Multitypes Vehicle Routine Problem)，属于兼具两者特点的联合配送问题。 对于此类特殊的路径问题，研究者在进行模型设计时，出发点分为两类。一类是从TSP出发，例如，MURRAY等 另一类是从VRP出发，例如，WANG等 以往研究通常以时间或成本最小为目标，而无人机飞行速度快，车辆配送中加入无人机，相当于增加了更快速的配送工具，总配送时间应低于传统配送 本文基于农村地区的联合配送，考虑了无人机载重量和飞行距离限制，提出车辆不用在固定点等待无人机，无人机单次可以服务多个顾客节点，并构建了一种双层规划模型，通过修改部分参数，模型能同时适用于多种场景；基于扫描法的思想，设计了一种带末端优化的模拟退火算法求解模型，并对考虑的无人机限制因素进行灵敏度分析，以提高满载率和续航利用率，充分利用无人机的配送能力。 1 数学模型 1.1 单无人机单次配送模式 对于特殊地形区域，例如，农村地区、山地城市等，因道路弯曲、坡度大、高低起伏等原因，传统车辆配送十分不便，在部分农田和池塘环绕无路驶入的地区，车辆根本无法进行配送，而无人机配送能无视地面环境，极大的缩短配送距离，且在山水相阻车辆不能进入的农村地区，为实现“最后一公里”配送，无人机有着极大的优势。 联合配送一般指无人机需从车辆上进行取货，送货结束后需返回车辆，车辆可携带无人机进行配送，也可在无人机取货后同步进行其他顾客点的配送，两者依据顾客点的具体特征，协作完成所有顾客点的配送；相对的独立配送，即非联合配送，车辆和无人机无协作，独立完成各自的配送任务。本文设计的两种单无人机、单车辆配送的简易模式如图1所示。 图1(a)中无人机和车辆可分别运载货物离开配送中心，也可由车辆携带无人机一起回到配送中心；车辆在无人机进行配送时，不用原地停留等待，也可同步进行顾客点的配送，无人机单次配送可以同时服务多个顾客点。图1(b)中无人机和车辆分别独立进行配送，中途无交互协作，无人机在一定的限制范围内，可以服务多个客户点，但每次配送结束必须返回配送中心，车辆负责其余节点的配送。图1中标记了超过无人机最大飞行距离的超远点和超过无人机最大载重量的超重点，超远顾客点因无人机无法长距离往返，仅可由车辆完成配送；超重顾客点因无人机无法负载货物，也仅可由车辆完成配送，但联合配送中无人机可在超重点进行发射或者接收。 基于上述问题，本文做如下假设： (1)配送中心和顾客点的位置和需求量已知，且配送中心需求量为0; (2)所有顾客点都必须得到服务，不考虑顾客点的时间窗限制； (3)无人机的最大载重量和最大续航里程已知； (4)在满足限制条件下，无人机一次可服务多个顾客点； (5)不考虑车辆的载重限制和续航限制； (6)车辆必须先于无人机到达停靠点，无人机不能在停靠点悬停飞行； (7)无人机每次配送结束后，需返回车辆取货，并进行电池更换； (8)不考虑顾客点的服务时间和无人机的取货、电池更换时间； (9)车辆上携带足够的无人机电源。 1.2 cccppk—参数说明 模型建立过程中使用的参数如下： S S S L L C C C C P P K——配送总次数，K={1,2,?,k}； n n d D——无人机的最大飞行距离； Z Z Z——配送完所有节点的路径距离总和； 1.3 单次路径规划 车辆路径问题研究，较多结合节约法和聚类分析，但这两种方法不能很好地拓展到多车型间需要动态合作，且有载重限制的问题。为使无人机单次可服务多个节点，本文基于扫描法的思想，以总配送距离最小为目标，按以下步骤求解。 Step 1标记特殊点。 对于所有顾客需求点，车辆均可以进行配送。由于无人机单次飞行有最大载重限制和最大飞行距离限制，因此，将所有顾客需求点中超过无人机最大载重限制的节点标记为L 式(1)和式(2)保证标记点必定被车辆配送；式(3)和式(4)表示标记为L Step 2单次路径规划。 因无人机的电量限制，在无人机最远可达的飞行距离半径内，且满足无人机最大载重限制的条件下，尽可能多的给无人机分配顾客需求点，以提高无人机的满载率和续航利用率。对于给定飞行半径内，无人机单次配送最多可服务的顾客点是有限的，每次分配完成后记录下单次到达的终点。无人机配送一次后需要补充电量，为安全